直扩信号PN码序列估计的神经网络方法

为了解决通信侦察中低信噪比下直扩信号PN码序列的盲估计问题,分析了神经网络算法。该算法基于直扩通信的基带信号模型,通过对输入信号的主分量进行分析和提取,获取神经网络学习后的突触权值,进而估计出PN码序列。理论分析与仿真数值结果都表明,该算法在较低信噪比背景环境中,能够准确地恢复出PN码序列。

改进BP神经网络算法在机器人轨迹优化中的研究

针对未知的全局环境,将整体任务分解为环境信息已知的一系列中间任务,即将整个机器人的运动分解成一系列直线运动,降低神经网络函数复杂度,并且将障碍物封装为简单图形,以减少整个运动过程中的中间任务的个数,进一步降低神经网络函数复杂度.利用BP神经网络高速并行计算的优点,建立神经网络函数,提出一种实时性较高的求取函数的负梯度方向的方法,控制机器人快速高效地完成中间任务,从而驱使机器人到达目标点并进行仿真.

拓扑特征映射神经网络的学习收敛性分析

本文利用神经元交互作用函数描述拓扑特征映射神经网络，探讨了这种网络的学习收敛性．本文首先给出一个网络收敛的一般性结论，并利用该结论证明网络输入满足平均分布时的收敛性．由此可进一步得到Ｋｏｈｏｎｅｎ网络自组织学习的收敛性．本文的结果修正并拓广了关于自组织学习收敛性已有的一些结果。